网络流量异常信息分析方法研究

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2.1 网络异常概述

1.2.2 网络流量及异常检测概述

1.2.3 网络流量异常检测研究现状

1.2.4 网络流量异常检测研究面临的挑战

1.3 论文组织结构

1.4 本章小结

第二章 相关理论基础

2.1 异常检测技术概述与总结

2.2 基于统计理论的异常检测技术

2.3 基于信息论的异常检测技术

2.3.1 相关性分析

2.4 基于分类的异常检测技术

2.4.1 支持向量机

2.4.2 贝叶斯网络

2.4.3 神经网络

2.4.4 基于规则的异常检测技术

2.5 基于聚类和离群检测的异常检测技术

2.5.1 常规聚类

2.5.2 协同聚类

2.6 本章小结

第三章 网络流量数据的特征选择与数据增强方法

3.1 问题分析

3.2 基于最大相关性-最小冗余的网络流量特征选择

3.2.1 相关定义

3.2.2 最大相关性

3.2.3 最小冗余

3.2.4 特征选择策略与整体流程

3.2.5 MRMR总结

3.3 特征融合

3.3.1 基于主成分分析的特征融合

3.3.2 特征融合和特征选择的比较

3.4 基于带权动态时间规整平均的网络流量数据增强算法

3.4.1 动态时间规整

3.4.2 带权动态时间规整重心平均

3.5 特征处理与数据增强整体框架

3.6 本章小结

第四章 多尺度分解多通道网络流量异常检测（MSMC）算法

4.1 引言

4.2.1 经验模态分解

4.2.2 集成经验模态分解

4.2.3 互补集成经验模态分解

4.3.1 广义似然比检验

4.3.2 基于多通道广义似然比检验的网络流量异常检测

4.3.3 检测值计算和异常检测

4.4 基于多尺度分解和多通道的网络流量异常检测算法整体框架

4.4.1 多尺度分解模块

4.4.2 多通道检测模块

4.4.3 基于多尺度分解和多通道检测算法的整体流程

4.5 本章小结

第五章 网络流量异常检测方法整体框架及实验验证

5.1 异常检测算法总体框架

5.2 实验概述

5.2.1 数据介绍

5.2.2 评估指标

5.3 对比方法介绍

5.3.1 PCA子空间方法

5.3.2 基于小波变换的网络流量异常检测方法

5.3.3 随机基异常检测方法

5.3.4 子空间投影转换基方法

5.4 实验结果及分析

5.4.1 MAWILab数据集

5.4.2 ISCX-IDS数据集

5.4.3 ISP数据集

5.4.4 总结分析

5.5 本章小结

第六章 总结与展望

6.1 全文总结

6.2 后续工作及展望

致谢

参考文献

附 录

攻读硕士学位期间取得的成果